毛基业：《数据价值共同体驱动的协同定价机制研究》——在2026中国数字经济发展和治理学术年会上的主旨演讲

毛基业教授发表主旨演讲

这次与大家分享的，是与上海财经大学数字经济学院赵琳院长团队合作的数据定价研究成果。赵琳团队围绕数据定价开展了扎实且富有成效的实践探索，结合这些探索，我们合作完成了《数据价值共同体驱动的协同定价机制研究》。我觉得这个论坛是特别适合分享这个话题的场合，因此借此机会和大家分享这个研究成果。

一、研究背景：数据定价难题

随着产业数字化转型加速和人工智能发展，数据已成为国家基础性、战略性资源，是发展新质生产力的重要基础。2020年4月，中共中央首次将数据确立为生产要素，我国由此成为全球首个在国家政策层面明确这一点的国家。随后，从“数据二十条”的发布，到国家及各地数据局的成立，全国一体化数据市场正在加速构建，数据要素市场化配置改革持续推进。在要素市场中，价格是反映价值贡献和供需关系的关键指标。要让数据成为生产要素，就必须建立一套契合其独特属性的价格形成机制。然而，当前数据要素市场仍处于起步阶段，尚未建立起有效的定价机制，导致大量数据资源难以流通。定价难，正日益成为制约数据要素市场化配置的瓶颈。

那么，这个瓶颈究竟卡在哪里？我们发现，随着数据加速融入多元场景，大量定价实践缺乏可比先例，属于典型的“首次用数”。如图1所示，首次用数场景的数据定价存在四大挑战：一是数据价值高度依赖场景，且验证具有滞后性，很难预估；二是价值评估需要融合供方的数据知识与需方的业务知识，但现实中双方专业背景差异大、信息难互通，因而难以达成价值共识；三是传统的市场法、收益法等因缺乏可比交易等原因无法适用，市场主体面临“怎么定”的困惑；四是市场尚未形成具有公信力的定价机构，大家面临“谁来定”的难题。“怎么定”与“谁来定”的难题，进一步导致了市场主体“不敢定”。

图1 首次用数场景数据定价难点

过去，数据流通大多局限在紧密的商业伙伴之间，这类困难往往依靠长期合作积累的信任来缓解，依赖漫长且繁琐的“一事一议”模式实现数据定价。但随着跨组织、跨行业的数据流通需求快速增长，这种基于熟人关系的交易模式，已显现出明显的局限性。因此，亟需建立一套有机制保障的公开交易模式。不仅要解决“怎么定”的技术难题，更要回答“谁来定”的组织问题。

二、创新方法：数据价值共同体驱动的协同定价

为破解首次用数场景中的数据定价难题，赵琳团队依托国家自然科学基金重点专项项目《数据产品的设计、定价与收益分配及其监管体系设计》开展探索。针对缺乏历史交易参照、数据作用不明确的痛点，团队提出基于运营方案的价值共识方法，通过“场景－方案－价值”的全链条分析，对数据潜在价值进行结构化评估，从而引导供需双方高效达成价值共识。

该方法的核心逻辑分为四个递进环节（如图2所示）。首先，整合跨领域专业知识与多源信息，揭示数据在具体场景中驱动业务价值的作用路径与关键影响变量；其次，利用决策树对数据价值链条进行结构化解析，融合历史数据与专家判断，通过贝叶斯推断确定各状态的概率分布；再次，采用蒙特卡洛方法进行仿真，在设定的业务规则下进行多次抽样推演，预测数据在实际应用中的价值表现及波动范围；最后，构建集成估值框架，将各类情境下的价值预测结果进行加权集成，形成稳健的综合估值区间。在此基础上，综合考量供需双方的机会成本、替代方案及时间约束等因素开展模拟谈判，促进双方理解各自立场与约束，推动价格收敛。

图2 基于运营方案的共识法

为推动该方法的落地应用，浦东新区数据局联合上海数据交易所、上海财经大学共建“数据要素市场价值测评联合实验室”。联合实验室整合数据供需双方、领域专家等多元主体，形成“数据价值共同体”，依托新方法开展协同定价实践。如图3所示，在实际运行中，数据供需双方可向数据交易所或数据局提出定价需求，由联合实验室启动协同定价流程。为支撑这一流程，实验室打造了跨领域专家生态，广泛汇聚医疗、交通、金融与数据科学等领域的专业人才。这种模式不仅提供了可操作的技术工具，还从制度层面有效解决了“谁来定”的问题，为破解数据定价困境提供了新的实践路径。

图3 联合实验室运行机制

三、案例分析：冻雨风险指数定价和质控数据定价

下面介绍联合实验室开展的两个代表性定价案例。

（1）案例一：城市轻轨覆冰冻雨风险指数定价

受全球极端天气影响，某南方城市曾遭遇罕见冻雨，导致地铁接触网覆冰，造成停运近三小时、滞留客流上万人次。此次事件暴露出当前轨道交通在应对极端低温降水时的风险感知短板。由于现有冻雨预警主要基于大范围气象观测，难以精准反映高架段接触网等关键部位的覆冰临界条件，当地气象局遂联合技术机构，研发了城市轨道交通覆冰风险指数。该指数融合高架段微气候数值模拟与周边加密观测数据，整合轨道温度、湿度、降水相态等关键参数，构建了可量化的覆冰风险评分模型。在模拟场景中，该指数可提前12小时发出预警，为地铁公司制定除冰计划和调配应急资源提供支撑。

然而，尽管双方均认可该指数的价值，但在价值认定上却存在较大分歧：气象局认为，该指数融合了高时空分辨率数据与物理机理模型，技术门槛高，定价应体现专业技术附加值；地铁公司则指出，冻雨属罕见事件，指数调用频次低，且防灾价值高度依赖地铁方面同步投入的人力巡检与除冰等配套措施，并非数据交付即可自动转化为运营保障效果。由于缺乏共认的定价依据，交易一度搁浅。最终，在数据局的协调下，联合实验室启动协同定价机制，促成双方就首年服务价格达成一致，推动交易顺利落地。

（2）案例二：某生物医药公司质控数据定价

在体外诊断领域，临床检验项目的系统校准与质量控制是保障结果准确性的必要环节。医疗机构检验科每日需采用质控品对仪器进行校准与性能验证，但即便完成晨间质控，仪器在当日运行中仍可能出现信号漂移、精密度下降等异常，导致检测结果失控。

某生物医药公司在长期服务医疗机构的过程中，积累了大量反映仪器性能变化的质控数据。依托这些数据，公司融合人工智能算法与真实场景需求，推出了AI云质控系统。该系统通过对历史与实时质控数据的智能分析，提前识别仪器性能异常趋势并在失控前预警，有效减少了日间因质控失效引发的重复检测、额外校准及试剂浪费，大幅降低了运维成本。目前，该系统已在全国多家医疗机构部署应用。

然而，在推动质控数据市场化与资产化的过程中，该公司遭遇了瓶颈。长期以来，AI云质控系统积累的质控数据并未作为独立商品定价，其价值主要通过仪器销售及增值服务等综合商业模式间接实现，缺乏对数据本身价值的显性量化依据。如今，该公司既希望将质控数据开发为标准化产品并在数据交易所上架流通，又希望将其作为可质押的数据资产向银行申请贷款。为此，该公司向数据交易所申请专业定价支持，后者依托联合实验室启动协同定价机制，最终助力其成功获得银行首期贷款。

四、定价过程：“数据价值共同体”驱动的协同定价模型

基于上述两个典型案例的实践经验，我们归纳提炼出了七阶段协同定价模型（如图4所示）。

第一阶段：识别定价障碍。联合实验室首先厘清阻碍供需双方达成价格共识的三类障碍，为协同定价建立共同的问题认知基础。一是认知鸿沟。在首次用数场景中，供需双方通常来自高度分化的专业领域，彼此缺乏对对方知识体系的基本理解，常陷入“各说各话”的困境。二是信息验证难。供需双方面临关键信息难以获取和核实的现实困境。三是相互误判。供需双方往往基于自身经验，对对方的能力边界或资源约束形成错误预设，进而影响对数据价值的客观判断。

第二阶段：激发协同兴趣。联合实验室通过两类举措，引导供需双方认可“数据价值协同评估”的必要性并持续参与。一是提升评估合理性。实验室汇聚了由高校与数据交易平台组成的核心团队，并邀请产业专家参与，通过多领域专家协同，确保评估结果准确反映数据的实际应用价值。二是提供信息与方案支持。实验室不仅协助收集信息、分析可行性并提供产业对标案例，更重点围绕“如何用”构建数据应用方案，将抽象的数据价值锚定到具体业务逻辑中，使估值结果有据可依、可解释、可验证。

图4 数据价值共同体驱动的协同定价过程模型

第三阶段至第五阶段，分别是整合跨界知识、确定参数取值和仿真价值实现，构成数据价值评估的技术机制。在整合跨界知识阶段，联合实验室通过获取并融合供需双方专业知识，明确数据的应用方式并构建起价值评估所需的参数指标体系。在确定参数取值阶段，联合实验室对供需双方展开信息调查，为各项指标赋予具体数值。为确保参数取值真实合理，联合实验室优先依据国家标准等公开渠道确立外部基准，综合参考权威测试报告等第三方依据进行交叉验证，并对争议参数引入领域专家研判及供需双方签字确认，从而确保估值依据清晰、可查、可回溯。在仿真价值实现阶段，联合实验室模拟数据在真实业务场景中的经济回报，依次完成运营决策建模、预期收益分布生成，以及多情境合成估值区间的集成，从而直观反映出数据在不同运营状态下的潜在价值范围。

上述三个阶段均在领域专家与垂直领域大模型的共同赋能下完成。联合实验室一方面汇集数据、产业等各领域专家提供知识理解与参数校准，另一方面基于典型案例对通用大语言模型进行领域适配训练，并采用检索增强生成技术对接垂直领域知识库，构建了智能知识接口与效率工具。

第六阶段：达成价值共识。联合实验室出具评估结果后，供方和需方分别进行确认，并以此为基础协商确定最终价格。若任一方存在疑问，可提供补充材料，联合实验室将据此复核假设与计算逻辑，必要时调整模型或参数，该过程可多轮迭代直至各方认可。在认可评估结果后，供需双方正式开展价格谈判。联合实验室提供的评估结果主要作为锚定参考点，实际定价仍受最佳替代方案、双方各自行业地位等多种因素影响。为促进谈判收敛，实验室会围绕评估价值区间，综合考虑各方的机会成本、替代方案及时间压力等因素开展模拟博弈，帮助双方充分理解各自的立场与约束。

第七阶段：维系价值共识。数据交易达成后，联合实验室会采取措施推动供需双方持续认同合作价值，以巩固合作关系。由于数据的真实价值往往在实际使用后才能充分显现，供需双方往往难以在首期合作中事前约定所有关键条款。因此，在首期交易达成且双方自愿的前提下，联合实验室提供效果追踪服务，通过回访、案例调研、成效评估等方式，收集数据在实际应用中产生的效益，支持供需双方据此动态调整后续合作。

五、研究贡献与政策启示

基于两个典型案例，课题提出了一套将组织创新与技术创新融合的解决方案。针对现有定价方法多聚焦技术机制、忽视组织机制，且难以应对“首次用数”场景的痛点，通过对典型案例的深入剖析，提炼出“数据价值共同体驱动的协同定价机制”，并构建了相应的过程模型。

这一机制实现了技术机制与组织机制的有机融合，在回应“怎么定”的技术问题的同时，回答了“谁来定”的组织问题。更为关键的是，该机制将定价逻辑从单纯的“给出估值”转向“给出用数方案”，这一转变有效促成了“首次用数”场景下的价格形成，从而为市场法、收益法等传统定价方法的应用提供了初步前提。

研究发现具有重要的政策启示：

一是深化产学研用协同。应积极推动构建协同机制，围绕“首次用数”场景，联合开展数据定价方法的探索与实践。

二是培育专业服务机构。鼓励发展专注于数据定价的第三方服务机构，支持其为供需双方提供价值识别、价值路径建模及协商方案设计等咨询服务。

三是构建复合人才生态。培育既懂数据又懂业务的复合型人才，推动构建数据定价专家生态，为“首次用数”场景提供坚实的智力支撑。

四是打造定价标杆案例。聚焦人工智能训练、生物医药研发及科学研究等重点领域的高质量数据集，加快形成可复制、可推广的定价标杆，并通过数据交易所等平台展示典型方案，为市场主体提供现实可行的参考。

六、研究不足与未来展望

尽管本课题得出了若干有价值的结论，但研究仍存在一定局限性，有待未来进一步拓展。一方面，当前实践的场景覆盖有限。赵琳团队正推动该定价模式向更多地区延伸，已与国家发改委价格监测中心、西安电子科技大学、中国（温州）数安港等联合成立实验室并开展定价实践。未来可通过跨区域、多类型场景的比较研究，检验现有发现的适用边界，深化对协同定价机制在不同地区、行业及合作模式下实际运作规律的认识。另一方面，当前联合实验室以公益形式开展定价实践，其自身定价服务的收费问题尚未探讨。随着数据要素市场逐步成熟，此类机构将逐步转向市场化运作，并在此基础上发展出多样化的服务形态。后续研究可聚焦市场化专业第三方机构的商业逻辑与运营机制，进一步拓展对中介组织在数据要素市场中可持续运营模式的理论认知。

供稿 | 清华服务经济与数字治理研究院

编辑 | 卢梦醒

审核 | 靳   景